apps/FastDeploy
1
0
Fork 0
mirror of https://github.com/PaddlePaddle/FastDeploy.git synced 2025-10-05 08:37:06 +08:00
Code Issues Actions 2 Packages Projects Releases Wiki Activity
Files
a51e5a6e55a5cdf1e693d91b3360e4b77e2c1d69
FastDeploy/examples/vision/segmentation/paddleseg
History
DefTruth a51e5a6e55 [Android] Add android aar package (#416) 
* [Android] Add Android build docs and demo (#26)

* [Backend] Add override flag to lite backend

* [Docs] Add Android C++ SDK build docs

* [Doc] fix android_build_docs typos

* Update CMakeLists.txt

* Update android.md

* [Doc] Add PicoDet Android demo docs

* [Doc] Update PicoDet Andorid demo docs

* [Doc] Update PaddleClasModel Android demo docs

* [Doc] Update fastdeploy android jni docs

* [Doc] Update fastdeploy android jni usage docs

* [Android] init fastdeploy android jar package

* [Backend] support int8 option for lite backend

* [Model] add Backend::Lite to paddle model

* [Backend] use CopyFromCpu for lite backend.

* [Android] package jni srcs and java api into aar

* Update infer.cc

* Update infer.cc

* [Android] Update package build.gradle

* [Android] Update android app examples

* [Android] update android detection app
2022-10-26 17:01:14 +08:00
..
cpp
[Android] Add android aar package (#416)
2022-10-26 17:01:14 +08:00
python
Update README.md
2022-10-16 16:18:10 +08:00
web
Update README.md
2022-10-20 17:47:48 +08:00
README.md
[Doc] Update segmentation model docs (#429)
2022-10-25 16:08:02 +08:00

README.md

PaddleSeg 模型部署

模型版本说明

目前FastDeploy支持如下模型的部署

【注意】如你部署的为PP-Matting、PP-HumanMatting以及ModNet请参考Matting模型部署

准备PaddleSeg部署模型

PaddleSeg模型导出，请参考其文档说明模型导出

注意

  • PaddleSeg导出的模型包含model.pdmodel、model.pdiparams和deploy.yaml三个文件，FastDeploy会从yaml文件中获取模型在推理时需要的预处理信息
  • aarch64平台（如：Jetson）暂时只支持onnxruntime和tensorrt作为后端推理（不支持非固定shape的图片输入即动态输入），因此请指定--input_shape导出具有固定输入的PaddleSeg模型（FastDeploy会在预处理阶段，对原图进行resize操作）
  • 在使用其他平台（如：Windows、Mac、Linux），在导出PaddleSeg模型模型时，可指定--input_shape参数，若输入的预测图片尺寸并不固定，建议使用默认值即不指定该参数

下载预训练模型

为了方便开发者的测试，下面提供了PaddleSeg导出的部分模型（导出方式为：不指定--input_shape，指定--output_op none），开发者可直接下载使用。

模型 参数文件大小 输入Shape mIoU mIoU (flip) mIoU (ms+flip)
Unet-cityscapes 52MB 1024x512 65.00% 66.02% 66.89%
PP-LiteSeg-T(STDC1)-cityscapes 31MB 1024x512 77.04% 77.73% 77.46%
PP-HumanSegV1-Lite(通用人像分割模型) 543KB 192x192 86.2% - -
PP-HumanSegV2-Lite(通用人像分割模型) 12MB 192x192 92.52% - -
PP-HumanSegV2-Mobile(通用人像分割模型) 29MB 192x192 93.13% - -
PP-HumanSegV1-Server(通用人像分割模型) 103MB 512x512 96.47% - -
Portait-PP-HumanSegV2_Lite(肖像分割模型) 3.6M 256x144 96.63% - -
FCN-HRNet-W18-cityscapes 37MB 1024x512 78.97% 79.49% 79.74%
Deeplabv3-ResNet101-OS8-cityscapes 150MB 1024x512 79.90% 80.22% 80.47%

详细部署文档